基于机器学习的P2P网络借贷违约风险识别模型比较——以“人人贷”为例

发布时间：2021-10-16 02:16

　　近年来,P2P网络借贷中借款人违约风险的识别问题被各互联网金融机构重点关注。文章以"人人贷"平台中的借贷数据为样本,运用CART决策树、支持向量机（SVM）、BP神经网络和随机森林等4种主流的机器学习算法,进行代价敏感学习,构建了4种违约风险识别模型并进行比较。研究发现,机器学习算法在多维度借贷数据下的违约风险识别中适用性较强,其中树模型的预测效果显著优于其他两种模型,尤以随机森林模型预测效果最佳。 

【文章来源】：江苏科技信息. 2020,37(16)

【文章页数】：5 页

【部分图文】：

CART决策树最大深度寻优过程

支持向量机（SVM）是一种应用广泛的二分类机器学习算法，其基本思路是求解能够正确划分训练数据集并且实现几何间隔最大化的分离超平面。针对非线性及高维数据，SVM可利用核函数将原始空间的数据映射到高维空间，在新的特征空间完成分类，基本的SVM模型如下：图3 BP神经网络隐含层节点数寻优过程

BP神经网络隐含层节点数寻优过程


本文编号：3438955